向量化 / 重排服务
Embedding 与 rerank 的推理服务，RAG 的基础设施。
基于 Postgres 的一站式后端开发平台，提供专用数据库、认证、存储和向量检索能力，可替代 Firebase 快速搭建 Web、移动和 AI 应用。
基于 Langchain 和 ChatGLM、Qwen、Llama 等本地大模型搭建的知识库问答应用，支持 RAG 检索增强与 Agent 能力，可离线部署私有文档问答系统。
把原始文档变成可查询的 RAG、自主推理 Agent 和自维护 Wiki 的开源 LLM 知识平台，适合搭建企业知识库与智能问答。
把对话、文档和代码沉淀成聊天记忆、技能、LLM-Wiki、代码图谱四类可复用记忆资产，让多个 AI Agent 跨框架共享和治理长期记忆。
用 Jupyter Notebook 逐个演示 RAG 系统的进阶技巧，从嵌入、检索到重排都有可运行教程，适合动手搭建和优化检索增强生成流程。
基于 TurboQuant 量化算法、用 Rust 实现并带 Python 绑定的向量索引，面向 RAG 和嵌入检索场景，提供高压缩比、低内存的近似最近邻搜索。
一站式大模型训练框架，支持 600+ 纯文本大模型和 300+ 多模态大模型的 CPT、SFT、DPO、GRPO 等训练，可用 LoRA 等 PEFT 方式或全参数微调。
面向 JVM 的 Java LLM 应用开发库，统一封装主流大模型与向量库接口，让工具调用、Agent 和 RAG 在 Spring Boot、Quarkus 等企业框架里快速落地。
面向大模型应用开发的 RAG 全栈实战教程，覆盖文本向量化、检索、重排与多模态等环节，手把手带你搭建检索增强生成系统。
基于飞桨的 NLP 与大模型开发库，提供丰富模型库，覆盖 BERT、ERNIE、LLaMA 等，支持分布式训练、压缩和文档智能等任务。
提供文本嵌入与重排模型，用于语义检索和 RAG 场景，把文档和查询转成向量并做相关性排序。
Private chat with local GPT with document, images, video, etc. 100% private, Apache 2.0. Supports oLLaMa, Mixtral, llama.cpp, and more. Demo: https://gpt.h2o.ai/ https://gpt-docs.h2o.ai/
SeaTunnel 是高性能分布式数据集成工具，支持批处理、CDC 变更捕获和多模态数据接入，用于海量数据在异构系统间高效同步。
面向多模态 AI 的开放湖仓数据格式，两行代码即可从 Parquet 转换，实现百倍随机访问加速、向量索引和数据版本管理，兼容 Pandas、DuckDB、PyTorch 等生态。
在 PostgreSQL 数据库内直接跑机器学习和向量检索，用 SQL 就能做嵌入、分类、聚类和 LLM 推理，省去单独搭推理服务的麻烦。
面向 AI Agent 的代码检索工具，用嵌入向量做语义搜索，比 grep+read 少消耗 99% 的 token，让 Agent 更快更准地定位代码。
用 EmbeddingGemma 2 在本地对照片、PDF、文档、录音、视频和代码做语义搜索，跨 Mac、Windows、Linux 的桌面文件检索工具。
基于 PyTorch 的度量学习库，提供对比损失、难例挖掘、采样器和检索指标，用来训练和评估相似度搜索所需的嵌入向量。
低代码 MCP 框架，用可视化方式快速搭建复杂 RAG 流水线，省去大量胶水代码，适合快速验证检索增强生成方案。
Obsidian 插件，写作时自动找出相关笔记和摘录，用本地嵌入模型做语义搜索，无需 API key 即可零配置使用。
本地个人图书管理员 Agent，能解析电脑里的文档并建立向量索引，让你用自然语言问答检索文件、整理资料和记住重要信息。
面向文本嵌入模型的高性能推理服务，用 Rust 编写，可快速把文本转成向量，适合搭建检索和 RAG 的向量化后端。
把文本转成向量矩阵的中文文本表征工具，内置 Word2Vec、Sentence-BERT、CoSENT 等模型，开箱即用做文本相似度计算与语义检索。
面向 LLM 应用的 AI 原生数据库，把稠密向量、稀疏向量、多向量张量和全文检索融合在一起做混合搜索，速度极快。
A community-driven way to read and chat with AI bots - powered by chatGPT.
基于 PyTorch 的自监督学习库，用对比学习和 JEPA 世界模型在无标注图像上训练表征，省去人工标注成本。
一份精选的生成式 AI 资源清单，汇总了工具、模型、作品和参考资料，方便快速找到绘画、对话、嵌入等方向的实用项目。
开源的推理服务器与生产集群，统一部署 Agent 所需的各类模型，涵盖嵌入、检索与 LLM 推理，省去自建服务与运维的麻烦。
面向大型代码库的本地私有智能分析引擎，支持混合语义搜索、多语言依赖图、符号级影响分析和调用链追踪，可作为 MCP 或编辑器插件零配置接入，帮 AI 编程助手大幅减少 token 消耗和调用次数。
轻量级 Python 向量化库，无需 API 调用即可在本地快速生成高质量文本嵌入，适合 RAG 和向量检索场景。
Data framework for your LLM applications. Focus on server side solution
一套用来测试和实验提示词的开源工具，支持 OpenAI、LLaMA 等大模型以及 Chroma、Weaviate 等向量数据库，方便对比不同提示词的效果。
面向文本嵌入、重排、CLIP、CLAP 和 ColPali 模型的高吞吐低延迟推理服务引擎，适合把向量化和重排模型部署成线上 API。
给 Claude Code、Codex 等 AI 编码代理提供持久化统一记忆层，用 Markdown 存内容、Milvus 做向量检索，让代理跨会话记住上下文。
一个用 Rust 写的 API 平台，把搜索、推荐、RAG 和数据分析打包在一起，底层接 PostgreSQL 和 Qdrant 向量库，省去自己拼装检索链路的麻烦。
Milvus 官方实战教程库，用 Jupyter Notebook 演示以图搜图、音频检索、分子搜索、视频分析和 RAG 问答等非结构化数据处理方案。
ailia SDK 的预训练模型合集，覆盖动作识别、人脸检测、背景移除、语音处理等任务，拿来就能跑推理，省去自己找模型和调参的功夫。
面向 AI 原生应用的分布式向量搜索引擎，支持混合检索和 RAG 场景，帮你在海量向量里快速找到相关内容。
把预训练句向量模型蒸馏成轻量静态词向量，推理速度极快、无需 GPU，适合大规模文本向量化和检索场景。
Google Gemini API 和 Gemma 模型的官方文档与示例代码集合，涵盖聊天机器人、嵌入等用法，但仓库已弃用并将归档。
在 Node.js 里直接跑 llama.cpp 的绑定库，支持 GPU 加速和 GGUF 模型，还能在生成阶段强制模型按 JSON Schema 输出，方便做结构化抽取和函数调用。
本地运行的代码语义搜索与调用图工具，让 AI 编程助手在不上传代码的前提下理解仓库结构、定位相关代码。
Nomic 的 Python SDK，把文本等非结构化数据交给开发者 API 做向量化、聚类、主题建模和重复检测，省去自己搭建嵌入与聚类流程。
用 Rust 写的命令行语义搜索与文档解析工具，能在终端里对本地文档做向量化检索，省去自己搭服务。
把 ChatGPT 式对话、AI 绘图、内容审核、自定义知识库和 YouTube 摘要整合进 Discord 的机器人，让社区频道直接变成可对话的 AI 助手。
把 BERT 现代化改造：通过架构升级和规模扩展提升长文本理解与嵌入质量，适合做检索、分类和向量化任务。
PHP 生态里的生成式 AI 开发框架，借鉴 LangChain 思路，把 OpenAI GPT-4、向量嵌入和 Agent 编排封装成 PHP 组件，方便 Laravel、Symfony 项目直接接入大模型能力。
提供 Amazon Bedrock 上各类基础模型的入门示例代码，涵盖嵌入、知识库和 RAG 等场景，方便开发者快速上手生成式 AI 应用开发。
面向波斯语（Farsi）的 Python NLP 工具包，提供文本归一化、分词、词性标注、依存句法分析、词形还原和词向量等完整处理流程。
整理大语言模型检索增强生成（RAG）方向的进阶资源清单，涵盖嵌入、检索与信息获取等关键环节，方便快速找到相关论文、工具和实践方案。
面向俄语的轻量级 NLP 工具集，把分词、词形还原、命名实体识别、句法分析等基础任务封装成统一 API，适合快速搭建俄语文本处理流程。
本地优先的语义代码搜索引擎，用向量嵌入理解代码含义，支持像 grep 一样搜索，但能按语义而非仅靠正则匹配找代码。
用 WebGL 在浏览器里跑力导向图布局和渲染，把大规模网络图的计算交给 GPU，适合做高节点数的交互式图可视化。
用 Python 实现 node2vec 图嵌入算法，把网络中的节点映射成低维向量，方便下游做节点分类、链接预测等图学习任务。
把 BERT 等预训练上下文向量和传统主题模型结合，用来在多种语言上抽取更连贯的主题，适合文本挖掘和主题分析。
给 AI Agent 用的开源语义搜索工具，用 ColBERT 向量嵌入替代关键词匹配，让 Agent 按语义而非字面检索本地内容。
从基础原理出发系统讲解嵌入（embeddings）的深度教程，用 Jupyter Notebook 带你理解向量表示是怎么算出来、怎么用的。
Go 语言的可嵌入向量数据库，接口类似 Chroma，零第三方依赖，内存存储并可选持久化，方便在 Go 应用里直接做向量检索和 RAG。
基于 FastAPI 的语义文本搜索服务，用预计算嵌入和高级相似度算法快速检索，并通过 textract 支持多种文件格式。
Rust 编写的本地向量嵌入与重排库，无需调用外部 API 即可在本地生成文本向量并做检索结果重排，适合搭建 RAG 和向量检索。